基于人工智能的虚拟染色平台,用于从血素和素染色图像中识别与瘤相关的巨细胞

科学领域:

• 计算病理学计算病理学
• 医学中的人工智能
• 发现生物标志物的发现.

背景情况:

• 虚拟染色使用人工智能将H&E转换为IHC图像,提供一种组织保护的替代方案.
• 现有的虚拟染色方法在图像质量方面扎,以准确的细胞核和IHC+区域划分.
• 介绍VISTA作为一个AI平台,以增强H&E到虚拟IHC翻译.

研究的目的:

• 开发和验证VISTA,这是一个AI平台,用于从H&E图像中生成高质量的虚拟IHC.
• 评估通过VISTA识别的M2-TAM密度在HPV+口腔状细胞癌中的预后意义.
• 将VISTA的性能与现有的虚拟染色方法进行比较.

主要方法:

• VISTA被应用于968名HPV+口腔状细胞癌患者的H&E图像.
• 该平台使用共同注册的H&E和CD163+ IHC微阵列进行了训练和测试.
• 从VISTA生成的IHC图像计算M2-TAM密度,并评估其预后意义.

主要成果:

• 高M2-TAM密度与验证队列中较差的整体存活率相关 (p=0.0152,HR=1.63).
• 与现有的方法 (SSIM=0.72,PSNR=21.5,FID=41.4) 相比,VISTA产生了优异的虚拟CD163+ IHC图像.
• 在对M2-TAM进行细分时,VISTA表现出更好的性能 (Dice=0.74).

结论:

• 维斯塔是一个有效的计算平台,用于生成虚拟的IHC.
• 该平台有助于直接从H&E图像中发现新的生物标志物,如M2-TAMs.
• 虚拟IHC具有促进癌症研究和诊断的潜力.